引导大模型生成相关的回答或

比如，法律分析场景下，可以分析大量法律文档，提供相关条文建议，但最终法律决策依然由人类律师作出。 在该模式中，主要是作为工具或助手嵌入到现有的工作流程中，一般是由现有业务调用大模型的提示词接口和知识检索接口。 以智能客服系统为例，通过调用大模型的提示词接口来获取建议和信息，当用户通过输入特定的提示词，建议；调用知识检索接口，结合技术，系统可以在用户提问时，通过向量数据库检索相关知识，并将检索到的信息与提示词一起传递给大模型。 因此，嵌入模式适合那些对人工决策要求较高的项目，仅需提高人类效率。它的优势在于较低的实施难度，并且可以在现有工作流程中轻松嵌入。

但它的局限性在于的作用有限

无法充分发挥其在复杂任务中的潜力。 所以，在需求较 99 英亩数据库 为基础、且需要高度人类监督的项目中，嵌入模式是最为理想的选择。 第二种是模式，适合人机协作、需要实时调整的复杂任务。 在该模式中，与人类共同参与任务执行，业务方不仅调用提示词接口，还要调用大模型的实时交互接口，利用实时反馈机制去调整的响应。且通过任务分解与执行接口，可以根据用户输入和上下文信息，独立完成部分任务，如自动生成回复、处理常见问题等，同时人类可以对的输出进行审查和调整。 比如，在客户服务中

可以协助客服代表撰写回复

邮件或处理客户投诉，通过实时反馈优化其建议，提高工作 触达目标受众 效率。 因此，模式非常适合那些需要频繁调整和多次迭代的复杂项目，尤其是，项目要求频繁的调整和多次迭代，且能够承担部分任务时，模式是理想选择。 比如软件开发，可以与开发者合作，编写代码、进行调试，减少重复性劳动，并提高开发效率；再比如，内容创作场景，在撰写文章或创作内容时，可以与创作者共同协作，提供写作建议或部分草稿，帮助创作者更快速地完成工作。 第三种是智能体模式，适用于那些任务复杂、需要高度自主化的场景，是最为自主化的应用模式。 在该模式中，不仅是人类的助手，还是能独立完成任务的智能代理。

人类的角色从执行者转变为任

务设定者和监督者，可以基于大规模语言模型的能力，进行任 买入铅 务分解、工具选择、资源调度等自主决策。 在模式中，业务方需要调用大模型的自主决策和执行接口，可以根据预设目标和上下文信息，自主选择合适的工具和方法进行任务处理。同时，通过多轮对话管理接口，能够管理复杂的多轮对话，通过对话逻辑设置和记忆功能，持续跟踪用户需求并做出相应调整。 举个例子，在处理复杂客户请求时，可以独立进行信息查询、问题解决，并在整个过程中保持与用户的对话，提供个性化服务。在金融交易场景中，可以根据市场数据自动进行交易策略的调整与执行，减少交易中的人为干扰。 因此，如果项目具有高度的复杂性，且能够在很大程度上替代人工操作，模式将会是最佳选择。这一模式的优势在于能够自主进行任务处理，减少了对人类干预的需求。